本文提出了一种可扩展的文件摄取系统，将数据库和PDF数据整合到生物化学知识图谱（BCKG）中，以加速生化科学发现。研究展示了该系统在碳水化合物酶领域的应用，并提出了多种新算法和模型，用于预测基因、蛋白质相互作用及疾病基因，显著提高了识别能力和数据完整性，为生物医学研究提供了重要参考。

网络导向的随机森林算法在基因表达数据分析中有助于疾病模块识别，但疾病预测效果不如标准随机森林。该算法在基因与疾病独立时识别准确，但可能产生误导性基因选择。经验分析表明，该算法能识别与乳腺癌相关的基因模块。